論文の概要: Single-shot Star-convex Polygon-based Instance Segmentation for Spatially-correlated Biomedical Objects

• arxiv url: http://arxiv.org/abs/2504.12078v1
• Date: Wed, 16 Apr 2025 13:41:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:38:45.598180
• Title: Single-shot Star-convex Polygon-based Instance Segmentation for Spatially-correlated Biomedical Objects
• Title（参考訳）: 空間関連バイオメディカルオブジェクトのための単発星凸多角形インスタンスセグメンテーション
• Authors: Trina De, Adrian Urbanski, Artur Yakimovich,
• Abstract要約: 生体医用画像は、しばしば、その固有の性質のために空間的相関やネストが知られている物体を含んでおり、意味的関係をもたらす。 これらの意味関係は重要な意味を持つが、タスクはしばしば独立して定式化され、マルチショット分析パイプラインを必要とする。 2つ以上のカテゴリオブジェクトのインスタンスセグメンテーションは並列に達成できると主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Biomedical images often contain objects known to be spatially correlated or nested due to their inherent properties, leading to semantic relations. Examples include cell nuclei being nested within eukaryotic cells and colonies growing exclusively within their culture dishes. While these semantic relations bear key importance, detection tasks are often formulated independently, requiring multi-shot analysis pipelines. Importantly, spatial correlation could constitute a fundamental prior facilitating learning of more meaningful representations for tasks like instance segmentation. This knowledge has, thus far, not been utilised by the biomedical computer vision community. We argue that the instance segmentation of two or more categories of objects can be achieved in parallel. We achieve this via two architectures HydraStarDist (HSD) and the novel (HSD-WBR) based on the widely-used StarDist (SD), to take advantage of the star-convexity of our target objects. HSD and HSD-WBR are constructed to be capable of incorporating their interactions as constraints into account. HSD implicitly incorporates spatial correlation priors based on object interaction through a joint encoder. HSD-WBR further enforces the prior in a regularisation layer with the penalty we proposed named Within Boundary Regularisation Penalty (WBR). Both architectures achieve nested instance segmentation in a single shot. We demonstrate their competitiveness based on $IoU_R$ and AP and superiority in a new, task-relevant criteria, Joint TP rate (JTPR) compared to their baseline SD and Cellpose. Our approach can be further modified to capture partial-inclusion/-exclusion in multi-object interactions in fluorescent or brightfield microscopy or digital imaging. Finally, our strategy suggests gains by making this learning single-shot and computationally efficient.
• Abstract（参考訳）: 生体医用画像は、しばしば、その固有の性質のために空間的相関やネストが知られている物体を含んでおり、意味的関係をもたらす。 例えば、真核生物細胞に宿主となる細胞核や、培養皿の中でのみ増殖するコロニーなどがある。 これらの意味関係は重要な意味を持つが、検出タスクは独立して定式化され、マルチショット分析パイプラインを必要とする。 重要なことに、空間的相関は、インスタンスセグメンテーションのようなタスクに対するより意味のある表現の学習を円滑にするための基本的な先行要素となる可能性がある。 この知識は、これまでのところ、バイオメディカルコンピュータビジョンコミュニティによって活用されていない。 オブジェクトの2つ以上のカテゴリのインスタンスセグメンテーションは並列に達成できると主張する。 我々は、HydraStarDist(HSD)と、広く使われているStarDist(SD)に基づく小説(HSD-WBR)の2つのアーキテクチャを通してこれを達成し、ターゲットオブジェクトの星の凸性を活用する。 HSDとHSD-WBRは、それらの相互作用を制約として組み込むことができるように構築されている。 HSDは、ジョイントエンコーダを介してオブジェクト間の相互作用に基づいて、空間的相関を暗黙的に組み込む。 HSD-WBRはさらに、私たちが提案した境界正規化刑法(Bundary Regularisation Penalty, WBR)という罰則によって、事前の規則化レイヤを強制します。 どちらのアーキテクチャも単一のショットでネストされたインスタンスセグメンテーションを実現している。 IoU_R$とAPに基づく競争力と、新しいタスク関連基準、JTPR(Joint TP rate)において、ベースラインのSDやCellposeと比較して優位性を示す。 蛍光顕微鏡, 明視野顕微鏡, デジタルイメージングにおいて, 多物体相互作用における部分包摂・排除を捉えるために, アプローチをさらに改良することができる。 最後に、我々の戦略は、この学習を単発で計算効率良くすることで得られることを示唆している。

関連論文リスト

• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• CDAD-Net: Bridging Domain Gaps in Generalized Category Discovery [9.505699498746976]
  Generalized Category Discovery (GCD)は、既知のクラスと新しいクラスのラベルのないサンプルをクラスタリングするツールである。 本稿では、Across Domain Generalized Category Discovery (AD-GCD)を紹介し、CDAD-NETを治療として提供する。 CDAD-NETは、ラベル付き(ソース)データセットとラベルなし(ターゲット)データセットの両方で、既知の潜在的なクラスサンプルを同期するように設計されている。 実験により、CDAD-NETは既存の文献を8～15%上回り、AD-GCDベンチマークを3つのベンチマークで比較した。
  論文  参考訳（メタデータ） (2024-04-08T10:05:24Z)
• Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation [50.407071700154674]
  少数ショット学習(FSL)の観点から、アノテーション効率の良い核インスタンスセグメンテーションを定式化することを提案する。 我々の研究は、計算病理学の隆盛とともに、多くの完全注釈付きデータセットが一般に公開されていることに動機づけられた。 いくつかの公開データセットに対する大規模な実験は、SGFSISが他のアノテーション効率のよい学習ベースラインより優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-26T03:49:18Z)
• Towards a Unified Transformer-based Framework for Scene Graph Generation and Human-object Interaction Detection [116.21529970404653]
  本稿では,Transformerアーキテクチャに基づく一段階統一モデルであるSG2HOI+を紹介する。 本手法では,SGGとHOI検出のタスクをシームレスに統一する2つの対話型階層変換器を用いる。 提案手法は最先端のHOI法と比較して競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-03T07:25:57Z)
• SepVAE: a contrastive VAE to separate pathological patterns from healthy ones [2.619659560375341]
  コントラスト分析VAE(Contrastive Analysis VAE)は、背景データセット(BG)と対象データセット(TG)の共通要因を分離することを目的とした変分自動エンコーダ(VAE)のファミリーである。 3つの医療応用と自然画像データセット(CelebA)における従来のCA-VAEs法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-12T14:52:21Z)
• FGAHOI: Fine-Grained Anchors for Human-Object Interaction Detection [4.534713782093219]
  上記の問題を緩和するために、新しいエンドツーエンドトランスフォーマーベースフレームワーク(FGAHOI)を提案する。 FGAHOIは、マルチスケールサンプリング(MSS)、階層空間認識マージ(HSAM)、タスク認識マージ機構(TAM)の3つの専用コンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-01-08T03:53:50Z)
• MIDeepSeg: Minimally Interactive Segmentation of Unseen Objects from Medical Images Using Deep Learning [15.01235930304888]
  ユーザインプットとしてクリックのみを必要とすることによる高効率な深層学習に基づく対話型セグメンテーション手法を提案する。 提案フレームワークは,最先端の対話型フレームワークと比較して,ユーザインタラクションが少なく,時間も少なく,正確な結果が得られる。
  論文  参考訳（メタデータ） (2021-04-25T14:15:17Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)
• Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
  本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。 具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
  論文  参考訳（メタデータ） (2020-07-19T07:24:45Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。